2018 Fiscal Year Annual Research Report
Study on mechanism of feature extraction based on GDS projection
| Project/Area Number |
16H02842
|
|---|
| Research Institution | University of Tsukuba |
|---|
Principal Investigator |
福井 和広 筑波大学, システム情報系, 教授 (40375423)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
日野 英逸 統計数理研究所, モデリング研究系, 准教授 (10580079)
小林 匠 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (30443188)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 一般化差分部分空間 / 特徴抽出 / 部分空間 / 凸錐 / 部分空間法 |
|---|
| Outline of Annual Research Achievements |
【研究業績1】GDS射影メカニズムの完全解明 (FDAとGDS射影の密接な関係の証明)：Geometrical fisher discriminant analysis (GFDA)を介して，GDS射影とFDAには密接な関係があり，GDS射影がFDAと同等の判別能力を有する事は，前年度までに確認された．本年度は，この関係をより深く理解するために，GFDAが２段階の処理: 1)クラス部分空間の基底ベクトルの直交化(白色化)，2)直交化された基底に対する主成分分析で構成されることに着目し，詳細解析を行った．具体的にはGFDAが正規化空間において有する超対称性に基づいて，GFDAの幾何構造および特徴抽出メカニズムを深く理解した．また昨年度の評価実験で，GDS射影とGFDAの等価制はクラス数が多くなると低下することが明らかになった．この問題は，GDSの次元をクラス数-1ではなく，より大きな次元に設定することで緩和されることが分かった．これに基づいて，各基底ベクトルの判別能力の累積を計ることで，適切なGDS次元を推定する方法を考案した．
【研究業績2】各クラス凸錐を一般化凸錐差分部分空間へ射影することで，より判別能力の高いクラス凸錐が生成できることを確認した．
【研究業績3】顔認識，物体認識，形状解析において，GFDA，GDS射影，凸錐体に基づく各方法の有効性を大規模な検証実験により明らかにした．特にConvolutional Neural Networkを通して得られるCNN特徴を入力とすることで，上記方法の識別性能が大幅に向上することを明らかにした点は大きな成果である．またGFDAとGDS射影は学習データ数が少ない場合，FDAに比べて安定かつ高い識別性能を得られることを明らかにした．この特性は実用上の大きな利点となる．
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
